模拟训练系统语音通信性能改进算法研究

为了保障武器装备模拟训练系统受训人员的人耳体验,降低强噪声对话音通信的影响,提出了一种基于限幅陷波的啸叫抑制算法.通过分析大量模拟训练系统环境噪声样本特点,提出了有效改善话音质量的方法,特别是在脉冲性较强的噪声环境下,能够有效改善模拟通信设备的自激和延时增加等问题,仿真实验表明,该方法在强脉冲噪声环境下可稳定工作,具有较好的鲁棒性.     

基于灰色理论的飞片冲击起爆参数优化设计

针对飞片冲击起爆钝感炸药的参数选择问题,提出了一种基于灰色理论的参数优化方法.利用正交法设计模拟方案,采用大型非线性数值模拟软件进行了不同参数组合下的冲击起爆计算.运用灰色理论中的关联度分析方法,获得了飞片直径、厚度、加速距离与飞片冲击输入能量的关联度系数和关联度,以被发炸药在起爆过程受到的飞片冲击能量为优化目标,确定...     

高功率脉冲产生装置电参数建模分析

建立磁通量压缩发生器运行过程中电参数变化的数学模型,试验研究验证了模型建立的正确性;分析装置运行过程中关键参数变化对输出脉冲电流、功率谱的影响;对装置设计过程中涉及的重要参量进行了分析,给出装置运行时间、初始电阻、初始电感、动态电阻、动态电感等多维变量复杂变化下对系统输出的影响,分析初始电容对系统输出电流峰值、能量谱的影响,给出了影响的拟合公式。     

激光制备多层结构的软质基底耐磨类金刚石膜

为提高金属铜软基底的耐磨、抗蚀能力,采用脉冲激光沉积技术制备了金属铜基底上的多层结构类金刚石保护膜;其中的碳化硅-类金刚石循环层避免了类金刚石膜层中内应力的累积,降低了功能类金刚石层破裂的风险,碳化硅持力层降低了软质铜基底与高硬度类金刚石层的硬度差,金属钛层则使得铜基底与上层碳化硅层牢固结合。实验测试表明,多层结构类金刚石保护膜在铜基底上附着牢固,可通过美军标MIL-48497A规定的重摩擦和国军标GJB150.5A-2009规定的高低温冲击试验,同时能够承受弱碱溶液的腐蚀;摩擦系数低、处于0.093以下,耐磨性能好、2 h摩擦未见磨痕。针对不同金属基底特性改进工艺,该技术可应用于存在腐蚀性环境中机械工具的抗磨保护膜。     

变分自编码器结合聚类算法在空战态势评估问题上的应用

针对传统态势评估方法确定权值的主观性强、处理大数据能力弱、特征提取能力不足等问题,提出基于改进变分自编码器和聚类算法的无监督空战态势评估方法。根据态势变化连续性特点,提出基于时间段的空战态势分类方法,将敌我双方态势划分为四类。在变分自编码器的基础上,提出了VAE-WRBM-MDN特征提取模型,即使用混合密度网络优化变分自编码器的特征提取能力和生成数据的相似度,使用权值不确定限制玻尔兹曼机优化网络的初始权值。将提取的特征分别输入到两种典型的聚类算法中进行聚类,并结合态势函数和实际战场情况修正聚类结果,形成正确的态势分类标准。在实验部分,分别进行了最优参数调整、关键特征提取、聚类以及修正实验。实验结果表明,模型态势分类正确率和运行时间均满足应用需求,实例评估结果与客观态势一致性强,所提方法具有实际应用价值。     

高压大容量脉冲电容器保压过程中电压跌落的定量分析

针对金属化膜脉冲电容器在实际使用中由于充电结束以后较长的保压时间而产生电压跌落和能量损失,并最终导致脉冲功率电源系统的实际有效储能和储能密度下降这一实际问题,基于一种高压大容量脉冲电容器电压跌落的实验数据,分别从电导特性、自愈特性、极化特性及其与能量损失的相关性出发,推导了介质薄膜电导率与电压跌落的定量关系并进行了电导率测量实验,推导了自愈能量与电压跌落的定量关系并进行了寿命实验,阐述了松弛极化与电压跌落的定量关系并进行了仿真。结果表明,介质泄漏、自愈以及松弛极化在电压跌落中所占比例分别为29.64%、11.75%及58.35%,导致所研究电容器电压跌落的主要因素是松弛极化。     

基于shearlet与PCNN的多聚焦图像融合方法

针对传统脉冲耦合神经网络(PCNN)模型在多聚焦图像融合领域应用中面临的参数繁杂等问题,提出一种基于剪切波(shearlet)变换与改进型PCNN的多聚焦图像融合方法。相比以往的变换域方法,shearlet具有理想的图像信息捕捉性能以及较低的计算复杂度,因此,可利用shearlet将待融合图像进行多尺度多方向分解。其次,对经典PCNN模型加以改进,综合运用清晰度水平以及协调矩阵完成低频子带图像以及一系列高频子带图像的融合过程。最后,运行shearlet反变换得到最终融合图像。仿真实验选取了若干组待融合图像进行仿真,验证了该方法在主、客观评价两方面的优越性。     

脉冲电抗器结构应力测量

为了对高压脉冲放电时电抗器结构受力及电流密度分布规律进行分析,使用电阻应变片对电抗器铜带进行应力测量。利用厚壁筒受压模型对应力测量系统的结果进行计算,设计内置气囊增压法来等效铜带上的应力对测量系统进行标定,并对标定实验数据进行验证。使用半桥补偿电路、屏蔽线及电桥盒共地的方法来减小脉冲电磁干扰及测量回路中寄生电阻和电容带来的电气干扰。实验结果表明:同一测量点处的环向应变峰值比轴向应变峰值大,边缘处的应变大于中心处的,需要在电抗器铜带边缘处加强外包约束。根据应力测量结果推断:铜带边缘处电流密度约为中心处电流密度的1.2倍。     

基于循环谱相关的雷达信号脉内分析改进算法

针对传统的雷达信号脉内特征分析算法存在的局限,提出了一种基于循环谱相关的雷达信号脉内特征分析的改进算法。该算法将传统的循环谱估计方法进行了改进,能对雷达信号脉内调制方式进行识别并提取脉内特征参数,然后结合改进的小波变换的优点,对识别出的相位编码信号进行相位突变点的提取,最后输出至完善的脉冲描述字中。改进的算法能够在较低计算量的同时保证较好的脉内特征参数的估算精度。仿真结果表明,在较低信噪比下,该算法仍然具有较好的性能。     

基于SOINN增量自编码器的网络异常检测研究

针对批量学习的网络异常检测模型存在内存资源消耗大、无法在线更新的问题,利用自组织增量神经网络(self-organizing incremental neural network, SOINN)的增量学习特性,提出一种增量自编码器构建方式,将改进SOINN的输出神经元作为自动编码器的输入,使得模型在不破坏已有学习成果的基础上,具备增量更新能力。针对SOINN算法获胜神经元邻居节点学习率固定,不利于区分其与输入样本的相似性的问题,提出一种学习率自适应调整方法,来提升获胜神经元邻居节点的学习效率,使得算法输出神经元更能代表样本特性。针对反馈更新样本中正常样本纯度不高的问题,提出一种基于距离度量的样本标签筛选机制,通过计算反馈样本与神经元的距离来对正常样本进行筛选,使得反馈样本中正常样本比例更高,以此来提升模型的在线检测效果。在NSL-KDD数据集上开展了相关实验,实验证明所提方法具备增量学习能力,且改进SOINN的增量学习效果优于原始算法,有效节省了模型的运算和存储开销,通过基于距离的样本标签筛选机制,模型的在线检测能力有效提升。